小波树结构在贝叶斯压缩感知图像重构中的应用研究.pdfVIP

第 41卷 第 3期 计 算 机 科 学 Vo1．41No．3 2014年 3月 Computer Science Mar2014 小波树结构在贝叶斯压缩感知图像重构中的应用研究 袁 琴 。 吴宣够。 熊 焰。 (黄山学院机电与信息工程学院 黄山245041) (中国科学技术大学计算机科学与技术学院 合肥230026)。 摘 要 结合贝叶斯和压缩感知理论，提 出了一种基于小波变换的图像压缩和重建方法。这种算法充分利用了小波 变换系数的结构特征和相关性，有效地提高了图像的压缩比例和重建精度。对小波变换的尺度 系数采用基于预测的 恢复算法；对高频系数的恢复结合了贝叶斯理论和压缩感知理论，采用了一种基于回归模型的方法，通过高斯混合参 数对未知权值参数赋予确定的先验分布，以限制系数的稀疏性。该方法能够得到未知参数的一组具有较高概率的模 型，从而实现系数在MMSE意义下的重建。与现有的图像压缩方法以及其它基于压缩感知的图像压缩方法相比，该 算法能够获得较高的图像重建质量和较大的图像压缩比。 关键词 压缩感知，小波变换，图像压缩，贝叶斯 中图法分类号 TN95 文献标识码 A ResearchonApplicationofWaveletTreeStructureinBayesianCompressiveSensingImageReconstruction YUAN Qin，。 WU Xuan-gou XIONG Yan。 (SchoolofMechanicalElectronic InformationEngineering，HuangshanUniversity，Huangshan245041，China)1 (ComputerScienceandTechnologyCo llege，UniversityofScientificTechnology，Hefei230026，China)0 Abstract CombiningBayesianlearningandcompressivesensing，animagecompressionandreconstructionmethod basedonwavelettransforillwasproposedinthisarticle．Utilizingthespecificstructureandcorrelationofwavelettrans— formingcoefficients，thismethodimprovestheimagecompressionrateandreconstructionaccuracyeffectively．Atsame time，aregressionmodelbasedonpredictionisadoptedin coefficientreconstruction．Gaussianmixtureparametersare usedtopredefinethepriorconditionaldensityoftheunknownparma etersinordertoenforcethesparsity．Thismethod cangetagroupofmodelwithhighprobabilityofthecoefficients，andresultinreconstructionoftheimageinsenseof MMSE．ComparedwithotherimagecompressionmethodsandCSbased imagereconstructionmethods，theproposed methodcangetreconstructionimageswithhighqualityand getbiggercompressionrate． Keywords Compressivesensing，W avelet，Imagecompression，Ba yesian 目前数字图像